MADLY mappa l’Universo

Posted on febbraio 8, 2010

2



Il codice MADmap produce mappe cielo dal tipo di dati prodotti dagli esperimenti del fondo cosmico di microonde (CMB), come il satellite Planck (al centro). Scritto con gli ampi di dati in memoria, MADmap funziona bene su qualsiasi momento ordinato con i dati di rumore “colorato”.

La mappa del nostro pianeta, Google Earth, dipende soprattutto da immagini satellitari per le superfici terrestri e immagini sonar per il fondo del mare. Le mappe dell’universo dipendeno da diversi tipi di rivelatori per diversi tipi di funzionalità. Le mappe del fondo cosmico a microonde (CMB), per esempio, dipendono dalla misurazione delle piccole differenze di temperatura del cielo.

Quando l’astrofisico Julian Borrill è venuto al Berkeley Lab’s National Energy Research Scientific Computing Center (NERSC) nel 1997, il suo primo progetto fu la realizzazione di strumenti di calcolo per i futuri esperimenti di CMB, una barra degli strumenti in grado di gestire un flusso previsto dei dati cosmici. Lui ei suoi colleghi Radek Stompor e Andrew Jaffe  idearono il Microwave Anisotropy Dataset Computational Analysis Package (MADCAP). Una parte essenziale del kit è un modulo per fare le mappe.

La mappatura del CMB richiede una precisione contabile per il rumore nei dati. Ogni pixel inizia come parte del rumore e parte del segnale. Il rumore ha la proprietà che ogni misura è indipendente da tutti gli altri e può essere stimata con precisione, quindi è facile stimare il contributo del segnale al mix.
Il rumore “colorato” o rumore correlato è più impegnativo: Qui il pixel varia attraverso il cielo, e i suoi valori sono correlati in base al percorso particolare che il telescopio ha acquisito nel corso di una esposizione.
Non si può spiegare il rumore correlato dai soli conteggi; ha detto Borrill, dal Computational Cosmology Center (C3) a Berkeley.

Per fare una mappa, ci vuole un codice speciale per pesare e contare il rumore di ogni pixel in ogni momento.
I rivelatori utilizzati per misurare la temperatura della radiazione cosmica di fondo sono sensibili al rumore “colorato”, in modo che il fascio MADCAP dei codici inclusi è progettato per rendere le mappe a partire dai dati, dove il rumore non è bianco. Programmato dai membri  del C3 di Christopher Cantalupo, il codice è chiamato MADmap. I migliori rivelatori per la misura di radiazioni a lunghezze d’onda tra un millimetro e un quinto di millimetro, in cui gran parte della radiazione CMB mentono, sono bolometri. La radiazione CMB  a frequenze più basse è misurata con i radiometri. Un bolometro misura quanto riscalda un fotone in arrivo sul rilevatore di freddo, la cui temperatura è mantenuta a una minuscola frazione di un grado sopra lo zero Kelvin. Il rumore correlato o colorato è una caratteristica nota di bolometri.

Dato che la temperatura di un bolometro non può mai essere allo zero assoluto, avrà sempre qualche rumore termico, ha detto Borrill. Questo livello di rumore varia in base alla temperatura del bolometro. 
Un’altra fonte di rumore si ha quando un fotone colpisce un bolometro, che “suona” per un pò.
Per quanto riguarda il primo tipo di rumore, Cantalupo ha detto, siccome la refrigerazione non è perfetta,  ci sono derive a lungo termine della temperatura, il rumore cambia lentamente nel tempo.

Egli paragona il problema del rumore colorato con la situazione di un vigile urbano che usa una pistola radar per determinare la velocità delle auto in passaggio. Se c’è poco traffico, la velocità di una macchina sarà in gran parte indipendente dalla velocità degli altri. Ma se il traffico diventa denso, le automobili che viaggiano vicine l’una all’altra, rischiano di viaggiare a velocità simili, ha detto.
Ci sarà ancora qualche variazione nella velocità e questa dispersione delle misurazioni è il rumore colorato. Per determinare la velocità prevista di una macchina di passaggio basato sulla velocità delle auto, misurata in precedenza, la correlazione tra le auto, quando il traffico è denso, deve essere presa in considerazione – in particolare il rumore della dispersione delle misurazioni nel traffico pesante – in modo che queste misure non diano troppa importanza nella stima finale.

Se diamo più importanza alle misurazioni effettuate più lontane nel tempo, possiamo fare una stima migliore del segnale di fondo. Cantalupo descrive il processo MADmap come prima raccolta dei dati di base, una curva molto diversa, con struttura inflitta a escursioni di grandi dimensioni, comprese le informazioni su dove lo strumento è puntato nel cielo e il tempo durante il quale i dati sono stati raccolti. I dati sono filtrati per rimuovere il rumore ma ovviamente non abbiamo solo il rumore filtrato, ma anche il segnale, ha detto Cantalupo. 

La matematica che determina come il rumore è correlata di volta in volta su questi dati interni di ogni pixel è effettuata su questi  dati filtrati. Poi il filtraggio viene annullato per ripristinare il segnale – che per i dati di CMB è la temperatura del cielo per ogni pixel nella mappa.

Borrill dice che, sebbene MADmap è stato progettato con i dati CMB in memoria, è sempre stato destinato ad essere indipendente dalla specificità di ogni esperimento. Il MADmap è stato utilizzato per esperimenti di CMB dai palloni aerostatici MAXIMA che hanno mappato una porzione di cielo boreale nel 1998, dal Boomerang, che girava sul Polo Sud nel 1999 e dal satellite europeo Planck dell’Agenzia spaziale, lanciato su un razzo Ariane dalla Guiana francese nel maggio 2009. Tutti questi esperimenti e altri dati di registrazione in diversi formati, devono garantire al MADmap la flessibilità. 
MADmap è così flessibile, in realtà, che è applicabile a qualsiasi tipo di esperimento i cui dati sono simili al modello per è stato costruito. Fin dall’nizio, è stato postato su Internet, come software open-source.
Herschel, è un satellite che per coincidenza è stato lanciato con lo stesso azzo Ariane del Planck. A differenza di Planck, Herschel è un osservatorio a raggi infrarossi con un telescopio da 3,5 metri, il più potente telescopio a infrarossi che abbia mai volato nello spazio. I rivelatori principali per uno dei suoi tre strumenti, il fotoconduttore Array Camera and Spectrometer (PACS), sono due array di bolometri altamente sensibili. Nel 2007, molto prima che Herschel e Planck fossero stati lanciati, Cantalupo ricevette una telefonata da Pierre Chanial, uno scienziato PACS che stava sviluppando il software dello strumento di mapping. Voleva sapere se era d’accordo con noi, per usare il MADmap come software per il PACS. Disse che gli fu suggerito da Andrew Jaffe, che aveva progettato l’originale MADCAP con Julian.

Cantalupo e Borrill e i loro colleghi sono stati lieti che MADmap potesse essere utile in modi imprevisti. Il bolometro dei fotometri PACS sono progettati per raccogliere la luce a infrarossi, la mappatura delle galassie e altri oggetti le cui strutture interne sono oscurate, come le nubi di gas e polveri in cui nuove stelle stanno nascendo o dischi in cui i sistemi solari si stanno formando. Ma l’applicazione 
di MADmap ai dati a infrarossi ha introdotto alcune sfide. 
I dati PACS di trasferimento devono utilizzare il linguaggio Java, che non era stato contemplato da MADmap quando fu scritto, ha detto Cantalupo. Così abbiamo riscritto tutto. Diverse questioni sono sorte con Herschel, quando ha cominciato a fare fotografie a luglio dopo aver raggiunto l’orbita di Lagrange P2, dove la gravità combinata tra la Terra e il Sole mantiene il satellite  in ombra, un posto ottimo per un osservatorio.  Theodore Kisner fu coinvolto nello sforzo di aiutare la squadra PACS a sfruttare al meglio il MADmap. 
C’è stato qualche problema con i dati reali relativi al carattere del rumore ha detto Kisner.
Da quando ho lavorato con la stima del rumore, sono stato in grado di contribuire a questo aspetto.
Il PACS crea un’immagine in modo differente da come CMB mappa il cielo. Un esperimento CMB in sostanza, scansiona il cielo in un blocco dopo l’altro come attraverso il buco in un recinto.
La stima del rumore è più facile per Herschel, non solo perché la sua bolometria è molto stabile, ma anche perché mappa regioni specifiche. A differenza del fondo cosmico di microonde, le parti del cielo in una immagine Herschel sono in realtà oscure, ha detto Kisner. Nessun segnale di partenza è ideale per la contabilità per il rumore. Tuttavia, ciò che i due tipi di osservazioni hanno in comune è che entrambe dipendono dal tempo di dati dei flussi, che è dove risiede il rumore correlato.
“La nostra speranza maggiore è che, ora che siamo in grado di convincere la gente che PACS non usa Java e che utilizza la nostra ultima versione di MADmap” ha detto Cantalupo . “Alcune  osservazioni richiedono esposizioni molto lunghe, in cui la nostra nuova versione sarà molto utile. Sulle osservazioni più piccole, la versione Java è valida. Già il team di C3 ha messo a punto un nuovo formato per la seconda edizione di Herschel che sarà in grado di gestire diversi tipi di dati. MADmap 2 legge facilmente i dati in diversi formati e sarebbe più facile da utilizzare e più flessibile rispetto alla versione attuale. 
Dipende completamente dalla loro decisione, ha detto Cantalupo. Siamo solo felici di essere utili. Lui e Kisner hanno frequentato seminari di elaborazione dei dati al NASA Herschel Science Center a Caltech per mostrare agli scienziati che chi sta usando Herschel bene sarà in grado anche di farlo con  MADmap. 
traduzione a cura di Arthur McPaul
English
Madly mapping the universe

Maps of the cosmic microwave background depend on measuring minute differences in the temperature of the sky.
Provided by Lawrence Berkeley Lab, Berkeley, CA
 
o map our home planet, Google Earth depends mostly on satellite imagery for land surfaces and sonar imagery for the sea floor. Maps of the universe likewise depend on different kinds of detectors for different kinds of features. Maps of the cosmic microwave background (CMB), for example, depend on measuring minute differences in the temperature of the sky.

When astrophysicist Julian Borrill came to Berkeley Lab’s National Energy Research Scientific Computing Center (NERSC) in 1997, his first project was designing computational tools for future CMB experiments, a toolbox capable of handling an expected flood of cosmic data. He and his colleagues Radek Stompor and Andrew Jaffe devised the Microwave Anisotropy Dataset Computational Analysis Package (MADCAP). An essential part of the kit was a module for making maps.

Signal versus noise

Mapping the CMB requires accurately accounting for noise in the data. Each pixel begins as part noise and part signal. “White” noise has the property that each measurement is independent of all the others and can be averaged accurately, so it’s easy to account for the noise and estimate the signal’s contribution to the mix.

“Colored” or correlated noise is more challenging: Here pixel noise varies across the sky, and its values are interrelated according to the particular path that the telescope has scanned during an exposure.

“You can’t account for correlated noise by just averaging it,” said Borrill, now with the Computational Cosmology Center (C3) in Berkeley Lab’s Computational Research Division. “To make a map, it takes a special code to weigh and account for the noise in each pixel at each point in time.”

The detectors used to measure the temperature of the cosmic microwave background are susceptible to colored noise, so the MADCAP bundle of codes included one designed to make maps from data where the noise is not white. Programmed by C3 member Christopher Cantalupo, the code is named MADmap.

The best detectors for measuring radiation at wavelengths between a millimeter and a fifth of a millimeter, where much of the CMB radiation lies, are bolometers. (CMB radiation at lower frequencies is measured with radiometers.) A bolometer gauges how much an incoming photon heats up a cold detector, whose temperature is kept at a tiny fraction of a degree above zero degrees Kelvin. Correlated or colored noise is a known characteristic of bolometers.

“Because a bolometer’s temperature can never be at absolute zero, it will always have some thermal noise,” Borrill said. This noise level varies as the bolometer’s temperature changes. “Another source of noise is when a photon hits a bolometer, it ‘rings’ for a while.”

As for the first kind of noise, Cantalupo said, “because the refrigerator is not perfect there are long-term drifts in temperature; the noise changes slowly with time.”

He compares the colored-noise problem to the situation of a traffic patrolman using a radar gun to determine the expected speed of passing cars. “If there is very little traffic, the speed of one car will be largely independent of the speed of the others. But if the traffic becomes dense, cars traveling near each other are likely to be traveling at similar speeds,” Cantalupo said. “There will still be some variation in speed, and this scatter in the measurements is colored noise.”

To determine the expected speed of a passing car based on the speeds of cars measured previously, the correlation among cars when traffic is dense must be taken into account — especially the noise of the scatter of measurements in heavy traffic — so that these measurements are not given too much significance in the final estimate.

“If we give more significance to measurements taken farther apart in time, we can make a better estimate of the underlying signal,” Cantalupo said.

Cantalupo describes the MADmap process as first collecting the basic data, a widely varying curve with fine structure imposed on large excursions, including information on where the instrument is pointed in the sky and the time during which the data was collected. The data is filtered to remove “average” noise — “but of course we haven’t just filtered noise but signal too,” said Cantalupo.

The math that determines how the noise is correlated from time to time within each pixel is performed on this smoothed-out, filtered data. Then the filtering is undone to restore the signal — which for CMB data is the temperature of the sky for each pixel in the map.

MADmap spreads its wings

Borrill says that although MADmap was designed with CMB data in mind, “it was always intended to be independent of the specifics of any one experiment.”

MADmap has been used for CMB experiments from the balloon-borne MAXIMA that mapped a portion of the northern sky in 1998, and BOOMERANG, which circled the South Pole in 1999, on up to the European Space Agency’s Planck satellite, launched on an Ariane rocket from French Guiana in May 2009. All these experiments and others record data in different formats, so MADmap’s flexibility is essential.

MADmap is so flexible, in fact, that it is applicable to any kind of experiment whose data is similar to the model it was built for. From the beginning, it has been posted on the Internet as open-source software.

Enter Herschel, a satellite that by coincidence was launched on the same Ariane rocket as Planck. Unlike Planck, Herschel is an infrared observatory. It carries a 3.5-meter telescope, the most powerful infrared telescope ever flown in space. The principal detectors for one of its three instruments, the Photoconductor Array Camera and Spectrometer (PACS), are two arrays of highly sensitive bolometers. In 2007, long before Herschel and Planck were launched, Cantalupo got a call from Pierre Chanial, a PACS scientist who was developing the instrument’s mapping software.

“He wanted to know if it was okay with us if he used MADmap as the core map-making software for PACS,” Cantalupo says. “He said it was suggested to him by Andrew Jaffe, who had designed the original MADCAP with Julian.”

Cantalupo and Borrill and their colleagues were delighted that MADmap promised to be useful in unanticipated ways. The PACS bolometers are photometers designed to collect far-infrared light, mapping galaxies and other objects whose internal structures are obscured, such as clouds of gas and dust where new stars are being born or disks in which solar systems may be forming. But the novel application of MADmap to the infrared data introduced some challenges.

“The PACS data-transfer pipeline needs to use Java, which had not been contemplated when MADmap was written,” Cantalupo said. “So we were able to be of some use in helping with the rewrite.”

Different questions arose when Herschel began making images in July after reaching orbit at Lagrangian Point 2, where the combined gravity of Earth and Sun maintain the satellite mostly in the Earth’s shadow — thus an excellent place for an observatory. C3’s Theodore Kisner became involved in the effort to help the PACS team make the best of MADmap.

“There was some trouble with the real data relating to the character of the noise,” Kisner said. “Since I’ve been working with noise estimation, I was able to contribute to this aspect.”

The way PACS makes an image is different from the way a CMB instrument maps the sky. A CMB experiment essentially scans across the sky in one smooth stroke after another, whereas, Kisner said, “Herschel kind of wobbles around, looking at the same region sort of like looking through a hole in a fence.”

Noise estimation is easier for Herschel in some ways not only because its bolometers are very stable, but also because they map specific regions. Unlike the ubiquitous cosmic microwave background, “parts of the sky in a Herschel image are actually dark,” Kisner said. “No signal at all is a perfect baseline for accounting for noise.”

Nevertheless, what the two kinds of observations have in common is that both depend on time-streams of data, which is where correlated noise resides.

“Our major hope now is that we can persuade the PACS folks away from using Java and instead toward using our latest version of MADmap,” Cantalupo said. “Some of their observations require very long exposures, where our new Version 2 will be very helpful. On the smaller observations, the Java version is okay.”

Already the C3 team has devised a new secondary format for Herschel that will be able to handle various kinds of data. MADmap 2 readily reads data in different formats and would be easier to use and more flexible than the present version.

“It’s completely their decision,” said Cantalupo. “We’re just happy to be useful.” He and Kisner have attended data processing workshops at the NASA Herschel Science Center at Caltech to show scientists who are using Herschel good ways of using MADmap.


Annunci
Posted in: cosdmologia